Особливості виявлення академічного плагіату зображень

Abstract

Стрімке зростання обсягів візуального контенту в академічних документах актуалізує проблему виявлення академічного плагіату зображень. На відміну від текстового плагіату, який ефективно виявляється сучасними системами, візуальний плагіат залишається складним завданням через різноманіття форм його прояву та можливість маніпуляцій. Метою даної роботи є аналіз існуючих підходів до розпізнавання та порівняння зображень для виявлення академічного плагіату та виявлення особливостей. Розглянуто алгоритми комп’ютерного зору, моделі глибокого навчання, інших технологій для аналізу текстових елементів на зображеннях. Запропоновано класифікацію форм візуального плагіату, включаючи точне копіювання, афінні трансформації, семантичне дублювання та генерацію зображень. Визначено основні проблеми: відсутність глобальної бази зображень, складність вилучення нетекстового контенту, правові обмеження доступу до повних текстів. Висновки: аналіз зображень для виявлення академічного плагіату лишається актуальним та є перспективним напрямом досліджень, який може реалізовуватися за напрямами: удосконалення алгоритмів виявлення модифікацій та інтеграція візуального аналізу в системи перевірки текстового плагіату, створення репозиторіїв зображень, доступність інформаційних інструментів для експертів та науковців. The rapid growth of visual content in academic documents highlights the issue of detecting academic image plagiarism. Unlike textual plagiarism, which is effectively identified by modern systems, visual plagiarism remains a challen ging task due to the diversity of its manifestations and the potential for manipulation. The aim of this work is to analyze existing approaches to image recognition and comparison for detecting academic plagiarism and to identify key features. The study examines computer vision algorithms, deep learning models, and other technologies for analyzing textual elements within im ages. A classification of visual plagiarism forms is proposed, including exact copying, affine transformations, semantic duplication, and image generation. The main features are identified: extensive possibilities for manipulation and specific forms of visual content representation, lack of a global image database, difficulty in extracting non-textual content, and legal restrictions on access to full texts. Conclusions: Image analysis for detecting academic plagiarism remains a relevant and promising research direction, which can be implemented through the following avenues: improving modification detection algorithms and integrating visual analysis into textual plagiarism detection systems, creating image repositories, and ensuring the availability of informational tools for experts and researchers.